SQLAlchemy实战使用总结（通俗易懂）！！！

最新推荐文章于 2025-04-22 17:20:18 发布
最新推荐文章于 2025-04-22 17:20:18 发布
阅读量6.1k 收藏 36
点赞数 8
分类专栏： 爱学习→Python 文章标签： python flask SQLAlchemy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_43552143/article/details/120448762
版权

目录

简介

基本用法

安装

连接数据库

配置信息

 创建引擎并连接数据库

创建ORM模型并映射到数据建库中

增删改查（CRUD）操作

新增

单条新增：

批量新增：

删除

修改

 单条更新：

 批量更新：

查询

 查询所有数据

 指定查询列

 获取返回数据的第一行

 查询数据 指定查询数据列 加入别名

原生SQL查询

表达式筛选条件

原生SQL筛选条件

筛选条件格式

字符串匹配方式筛选条件 并使用 order_by进行排序

and or使用

复杂查询

查询语句

排序

通配符

限制（切片）

分组

between in使用

类型转换

dict_to_object

db_tuple_to_dict

model_to_dict

res_copy_model_to_dest（修改的时候会用到）

简介

        SQLAlchemy是用Python编程语言开发的一个开源项目。它提供了SQL工具包和ORM（对象关系映射）工具，使用MIT许可证发行。

        SQLAlchemy最初在2006年2月发行，发行后便很快的成为Python社区中最广泛使用的ORM工具之一，丝毫不亚于Django自带的ORM框架。

        SQLAlchemy采用简单的Python语言，提供高效和高性能的数据库访问，实现了完整的企业级持久模型。它的理念是，SQL数据库的量级和性能比对象集合重要，而对象集合的抽象又重要于表和行。

以上都是比较官方的说法，帮助大家了解一下SQLAlchemy。了解了解就可。

基本用法

安装

安装sqlalchemy

pip3 install sqlalchemy
pip3 install pymysql

本文使用MySQL作为数据库，使用pymysql作为驱动，因此需要安装pymysql

连接数据库

配置信息

在连接数据库前，需要使用到一些配置信息，然后把它们组合成满足以下条件的字符串：

dialect+driver://username:password@host:port/database

例：mysql+pymysql://root:root@192.168.105.110:30306/testDataBase

建议将配置信息放到你的配置文件中，如config.py

  • dialect：数据库，如：sqlite、mysql、oracle等
  • driver：数据库驱动，用于连接数据库的，本文使用pymysql
  • username：用户名
  • password：密码
  • host：IP地址
  • port：端口
  • database：数据库

 创建引擎并连接数据库

from sqlalchemy import create_engine
from config import DB_URI


engine = create_engine(DB_URI)  # 创建引擎
conn = engine.connect()  # 连接
result = conn.execute('SELECT 1')  # 执行SQL
print(result.fetchone())  
conn.close()  # 关闭连接

创建ORM模型并映射到数据建库中

from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from config import DB_URI

engine = create_engine(DB_URI)
Base = declarative_base(engine)  # SQLORM基类
session = sessionmaker(engine)()  # 构建session对象


class Student(Base):
    __tablename__ = 'student'  # 表名
    id = Column(Integer, primary_key=True, autoincrement=True)
    name = Column(String(50))
    age = Column(Integer)
    sex = Column(String(10))


Base.metadata.create_all()  # 将模型映射到数据库中

执行上面代码，将会在数据库中生成对应的映射表student。

增删改查（CRUD）操作

        新增和修改的时候可能会遇到类型错误问题，可以参考下面的类型转换。

新增

注意：主要看使用的方法以及传入的参数，像开发session以及命名是什么，用自己框架的获取session对象就可以。

单条新增：

# 1.首先导入之间做好的ORM 对象 User
from my_create_table import User
# 2.使用Users ORM模型创建一条数据
user1 = User(name="wang")
# 在db_session会话中添加一条 UserORM模型创建的数据
db_session.add(user1)
# 使用 db_session 会话提交 , 这里的提交是指将db_session中的所有指令一次性提交
db_session.commit()

批量新增：

 方法一：（最常用，但是执行时间不算快）

# 方法一:
user2 = User(name="张三")
user3 = User(name="王五")
db_session.add(user2)
db_session.add(user3)
db_session.commit()
# 之前说过commit是将db_session中的所有指令一次性提交,现在的db_session中至少有两条指令user2和user3
db_session.close()
#关闭会话

 方法二：

# 方法二:
user_list = [
    User(name="wang1"),
    User(name="wang2"),
    User(name="wang3")
]
db_session.add_all(user_list)
db_session.commit()

db_session.close()

 方法三：（执行时间最短排名：4）

db_session.bulk_save_objects(
            [
                Customer(name="NAME " + str(i))
                for i in xrange(min(10000, n1))
            ]
        )
db_session.commit()

 方法四：（执行时间最短排名：3）

db_session.bulk_insert_mappings(
            Customer,
            [
                dict(name="NAME " + str(i))
                for i in xrange(min(10000, n1))
            ]
        )
 db_session.commit()

方法五：（执行时间最短排名：2）

engine = create_engine(dbname, echo=False)


engine.execute(
        Customer.__table__.insert(),
        [{"name": 'NAME ' + str(i)} for i in xrange(n)]
    )  ##==> engine.execute('insert into ttable (name) values ("NAME"), ("NAME2")')

方法六：（执行时间最短排名：1）

def init_sqlite3(dbname):
    conn = sqlite3.connect(dbname)
    c = conn.cursor()
    c.execute("DROP TABLE IF EXISTS customer")
    c.execute(
        "CREATE TABLE customer (id INTEGER NOT NULL, "
        "name VARCHAR(255), PRIMARY KEY(id))")
    conn.commit()
    return conn
 
 
def test_sqlite3(n=100000, dbname='sqlite3.db'):
    conn = init_sqlite3(dbname)
    c = conn.cursor()
    t0 = time.time()
    for i in xrange(n):
        row = ('NAME ' + str(i),)
        c.execute("INSERT INTO customer (name) VALUES (?)", row)
    conn.commit()

删除

# 删除
class_info = db_session.query(ClassTable).filter(ClassTable.name=="OldBoyS1").first()
db_session.query(Student).filter(Student.class_id == class_info.id).delete()
db_session.commit()

db_session.close()
user = UserSample()
db.session.query(UserSample).filter_by(id=user.id).delete()
db.session.commit()
db.session.close()

修改

 单条更新：

# UPDATE user SET name="NBDragon" WHERE id=20 更新一条数据
# 语法是这样的 :
# 使用 db_session 执行User表 query(User) 筛选 User.id = 20 的数据 filter(User.id == 20)
# 将name字段的值改为NBDragon update({"name":"NBDragon"})
res = db_session.query(User).filter(User.id == 20).update({"name":"NBDragon"})
print(res) # 1 res就是我们当前这句更新语句所更新的行数
# 注意注意注意
# 这里一定要将db_session中的执行语句进行提交,因为你这是要对数据中的数据进行操作
# 数据库中 增 改 删 都是操作,也就是说执行以上三种操作的时候一定要commit
db_session.commit()
db_session.close()
#关闭会话

 批量更新：

# 更新多条
res = db_session.query(User).filter(User.id <= 20).update({"name":"NBDragon"})
print(res) # 6 res就是我们当前这句更新语句所更新的行数
db_session.commit()
db_session.close()
#关闭会话

查询

 查询所有数据

# 查询所有数据
res = db_session.query(User).all()

 指定查询列

# query的时候我们不在使用User ORM对象,而是使用User.name来对内容进行选取
user_list = db_session.query(User.name).all()

 获取返回数据的第一行

# 获取返回数据的第一行
res = db_session.query(User).first()

 查询数据 指定查询数据列 加入别名

# 查询数据 指定查询数据列 加入别名
res = db_session.query(User.name.label('username'), User.id).first()

原生SQL查询

#原生SQL查询
res = db_session.query(User).from_statement(text("SELECT * FROM User where name=:name")).params(name='wang').all()

表达式筛选条件

# 表达式筛选条件
res = db_session.query(User).filter(User.name == "wang").all()

原生SQL筛选条件

# 原生SQL筛选条件
r4 = db_session.query(User).filter_by(name='wang').all()
r5 = db_session.query(User).filter_by(name='wang').first()

筛选条件格式

# 筛选条件格式
# filter:
user_list = db_session.query(User).filter(User.name == "wang").all()
user_list = db_session.query(User).filter(User.name == "wang").first()

# filter_by:
user_list = db_session.query(User).filter_by(name="wang").all()
user_list = db_session.query(User).filter_by(name="wang").first()

字符串匹配方式筛选条件 并使用 order_by进行排序

# 字符串匹配方式筛选条件 并使用 order_by进行排序
res = db_session.query(User).filter(text("id<:value and name=:name")).params(value=224, name='wang').order_by(User.id).all()

and or使用

# and or
from sqlalchemy.sql import and_ , or_
res = db_session.query(User).filter(and_(User.id > 3, User.name == 'wang')).all()
ret = db_session.query(User).filter(or_(User.id < 2, User.name == 'wang')).all()

复杂查询

# 复杂查询
from sqlalchemy.sql import text
user_list = db_session.query(User).filter(text("id<:value and name=:name")).params(value=3,name="wang")

查询语句

# 查询语句
data = db_session.execute('select * from t_user where name=:value', params={"value": 'abc'})

row = data.fetchone()  # 取第一条
print(row.id)  # 取主键
print(row.name)  # 取字段

rows = data.fetchall()  # 取所有数据
for row in rows:
    print(row.id, row.name)
print(data.rowcount)  # 取条数

排序

# 排序 :
user_list = db_session.query(User).order_by(User.id).all()
user_list = db_session.query(User).order_by(User.id.desc()).all()

通配符

# 通配符
ret = db_session.query(User).filter(User.name.like('e%')).all()
ret = db_session.query(User).filter(~User.name.like('e%')).all()

限制（切片）

# 限制
ret = db_session.query(User)[1:2]

分组

from sqlalchemy.sql import func

ret = db_session.query(User).group_by(User.extra).all()
ret = db_session.query(
    func.max(User.id),
    func.sum(User.id),
    func.min(User.id)).group_by(User.name).all()

ret = db_session.query(
    func.max(User.id),
    func.sum(User.id),
    func.min(User.id)).group_by(User.name).having(func.min(User.id) >2).all()

between in使用

# between使用
ret = session.query(User).filter(User.id.between(1, 3), User.name == 'wang').all() # between 大于1小于3的


# in使用
ret = session.query(User).filter(User.id.in_([1,3,4])).all() # in_([1,3,4]) 只查询id等于1,3,4的
ret = session.query(User).filter(~User.id.in_([1,3,4])).all() # ~xxxx.in_([1,3,4]) 查询不等于1,3,4的
ret = session.query(User).filter(User.id.in_(session.query(User.id).filter_by(name='wang'))).all() 子查询

类型转换

dict_to_object

def dict_to_object(dict_data, obj):
    dic2class(dict_data, obj)


def dic2class(py_data, obj):
    for name in [name for name in dir(obj) if not name.startswith('_')]:
        if name not in py_data:
            setattr(obj, name, None)
        else:
            value = getattr(obj, name)
            setattr(obj, name, set_value(value, py_data[name]))


def set_value(value, py_data):
    if str(type(value)).__contains__('.'):
        # value 为自定义类
        dic2class(py_data, value)
    elif str(type(value)) == "<class 'list'>":
        # value为列表
        if value.__len__() == 0:
            # value列表中没有元素，无法确认类型
            value = py_data
        else:
            # value列表中有元素，以第一个元素类型为准
            child_value_type = type(value[0])
            value.clear()
            for child_py_data in py_data:
                child_value = child_value_type()
                child_value = set_value(child_value, child_py_data)
                value.append(child_value)
    else:
        value = py_data
    return value

db_tuple_to_dict

def db_tuple_to_dict(resultproxy):
    d, a = {}, []
    for rowproxy in resultproxy:
        for column, value in rowproxy.items():
            d = {**d, **{column: value}}
        a.append(d)
    return a

model_to_dict

def model_to_dict(obj):
    dic = {}
    dic_columns = obj.__table__.columns
    # 保证都是字符串和数字
    types = [str, int, float, bool]
    # 注意，obj.__dict__会在commit后被作为过期对象清空dict，所以保险的办法还是用columns
    for k, tmp in dic_columns.items():
        # k=nick,tmp=usergroup.nick
        v = getattr(obj, k, None)
        if v != None:
            dic[k] = str(v) if v and type(v) not in types else v
    return dic

res_copy_model_to_dest（修改的时候会用到）

def res_copy_model_to_dest(res, dest):
    dic_columns = res.__table__.columns
    # 保证都是字符串和数字
    types = [str, int, float, bool, bytes]
    for k, tmp in dic_columns.items():
        v = getattr(res, k, None)
        value = str(v) if v and type(v) not in types else v
        print("key:", k, "  v:", value)
        if v is not None:
            setattr(dest, k, value)

例：

test = TestModel()
db_test = db.session.query(TestModel).get(test.id)
res_copy_model_to_dest(test, db_test)
db.session.commit()
db.session.close()

在项目中用到的东西，分享一波，有问题可以私信或者评论

作者：筱白爱学习！！

欢迎关注转发评论点赞沟通，您的支持是筱白的动力！

新苏格拉底方法：批判性思维的培养
AI天才研究院
03-04 1446
本文旨在深入探讨新苏格拉底方法在培养批判性思维方面的应用。通过详细解析批判性思维的核心概念，如分析、评估和反思，本文揭示了苏格拉底方法如何通过逻辑推理和系统性分析，提升个体在面对复杂问题时进行深入思考的能力。文章将结合实际案例，运用Python代码和Mermaid图示，阐释算法原理和数学模型，并通过系统分析与架构设计，展示批判性思维在实际应用中的价值。最终，本文将总结最佳实践，强调批判性思维的重要性，并提供建议，以帮助读者进一步提升自身的批判性思维能力。
金融机构流动性风险压力测试与管理平台
AI天才研究院
03-08 1926
本文旨在深入探讨金融机构流动性风险压力测试与管理平台的重要性及其在实际应用中的关键作用。首先，文章详细介绍了流动性风险的定义、背景、重要性以及其相关的影响因素。接着，通过设定不同的市场情景，我们分析了流动性风险压力测试的定义、目的和方法，并提供了相应的数学模型和实际案例。在此基础上，我们进一步阐述了管理平台的概念、功能及其在流动性风险管理中的作用。通过这些内容的逐步剖析，本文旨在为金融机构提供有效的流动性风险管理策略，从而增强其资金流动性和偿债能力。流动性风险。
sqlAlchemy实例操作
qq_28844413的博客
07-16 265
#sqlAlchemy操作 from sqlalchemy import create_engine from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import Column, String, Integer, FLOAT from sqlalchemy.orm import sessionmaker # 数据库连接配置 host = mysql_config.get("HOST", 'localhost')
sqlalchemy
03-26
sqlalchemy官方文档，最佳资料
Python SQL 工具包:SQLAlchemy介绍
最新发布
软件行业技术文化交流。
04-22 732
SQLAlchemy 是一个功能全面、灵活且高效的 Python 数据库工具包，无论是简单的 CRUD 操作还是复杂的查询逻辑，都能胜任。它在 Python 社区中非常受欢迎，尤其是在需要精细控制数据库交互的场景中表现尤为突出。如果你正在寻找一个强大且灵活的 ORM 工具，SQLAlchemy 是一个非常好的选择。
SQLAlchemy
weixin_33877885的博客
02-20 1214
SQLAlchemy 1.介绍 SQLAlchemy是一个基于Python实现的ORM框架。该框架建立在 DB API之上，使用关系对象映射进行数据库操作，简言之便是：将类和对象转换成SQL，然后使用数据API执行SQL并获取执行结果。 pip3 install sqlalchemy 组成部分： Engine，框架的引擎 Connection Pooling ，数据库连接池 Dialect，选择连...
sqlalchemy的基本操作大全
qq_43713303的博客
06-15 8366
sqlalchemy的基本操作大全 SQLAlchemy是一个数据库的ORM框架，安装命令为pip install SQLAchemy ORM是什么 ORM:Object Relationship Mapping，既对象关系映射，通过ORM我们可以通过类的方式去操作数据库，而不用再写原生的SQL语句。 通过把表映射成类，把行作为实例对象，把字段作为类属性，ORM在执行对象操作的时候最终还是会把对应的操作转化为数据库原生语句。 其主要优点有： 易用 性能损耗小 设计灵活 可移植性强 连接数据库 from
【数据分析--Pandas实战指南在真实世界数据中的应用】
书生的技术分享
08-04 1193
数据分析的介绍，Python开源库，配置Jupyter，Pandas读取数据
城市垂直农场餐厅：从屋顶到餐桌的超短链供应链模式
AI天才研究院
03-06 536
本文探讨了城市垂直农场餐厅的独特模式——从屋顶到餐桌的超短链供应链。首先，我们将介绍城市垂直农场餐厅的概念，阐述其背景和重要性。接着，我们将深入分析超短链供应链模式，探讨其在城市农业和餐饮服务中的应用。随后，文章将探讨城市垂直农场餐厅的运营管理，包括供应链管理、餐饮服务管理和客户体验管理。最后，我们将探讨技术支持在垂直农场餐厅中的作用，并展望其未来发展。通过本文，读者将全面了解城市垂直农场餐厅的概念、应用和未来趋势。1.1 问题背景1.2 问题描述1.3 问题解决1.4 边界与外延。
后现代家庭咨询：多元关系中的和谐共处
AI天才研究院
03-10 881
本文探讨了在后现代思潮影响下，家庭咨询领域面临的挑战和机遇。通过分析多元关系的核心概念和理论，本文提出了实现家庭和谐共处的方法和实践。本文采用逻辑清晰、结构紧凑的叙述方式，旨在为家庭咨询从业者和研究者提供有价值的参考。在后现代思潮的冲击下，传统的家庭结构和关系模式发生了显著变化。现代社会中，家庭咨询面临着更加复杂的多元关系问题，如跨文化婚姻、单亲家庭、同性伴侣等。这些问题不仅涉及家庭成员之间的互动，还包括与外部环境的相互作用。多元关系是指家庭内部以及家庭与外部环境之间复杂多样的互动。
sqlALchemy
weixin_30595035的博客
05-18 141
SQLAlchemy是Python编程语言下的一款ORM框架，该框架建立在数据库API之上，使用关系对象映射进行数据库操作，简言之便是：将对象转换成SQL，然后使用数据API执行SQL并获取执行结果。 SQLAlchemy是一个独立的orm，对比django的orm框架而言，django无法把它的orm拿出来独立应用在别的web框架下 三层结构，第一层就是orm，第二层就sqlalchem...
SQLALCHEMY
hellocsz的博客
09-30 8338
写在前面 这篇笔记主要是为了帮助读者更好地理解SQLAlchemy的架构。虽然原文中已经将SQLAlchemy架构的大部分讲得很全面了，但原文主要是介绍SQLAlchemy的架构，很多部分并没有详细解释。这篇笔记到了补充说明的作用。本笔记共10个小节，和原文的10个小节是完全对应的，读者可以在阅读本笔记的过程中随时参照原文。 SQLAlchemy的代码比较难以阅读，这是由它自身的特点决定的。首...
sqlalchemy执行sql
flyDeDog的博客
09-06 1898
from sqlalchemy import create_engine engine = create_engine(&quot;mysql://root:@localhost:3306/webpy?charset=utf8&quot;,encoding=&quot;utf-8&quot;, echo=False) conn = engine.connect() conn.execute(&quot;SELECT * FROM user&quot;)
python写系统后端
02-24
<think>好的，用户让我介绍一下用Python写系统后端。首先，我需要明确用户的需求。可能他们想了解Python在后端开发中的应用，或者想开始学习如何使用Python构建后端系统。用户可能有一定的编程基础，但对后端开发不太熟悉，或者是刚接触Python的人。 首先，我应该概述Python在后端开发中的优势，比如简洁的语法、丰富的框架和库，以及社区支持。然后，需要提到常用的框架，比如Django、Flask、FastAPI，分别说明它们的特点和适用场景，这样用户可以根据项目需求选择合适的工具。 接下来，用户可能需要知道后端开发的基本组成部分，比如路由、视图、数据库交互、RESTful API设计等。需要简要解释这些概念，并说明Python如何处理这些部分，例如使用ORM进行数据库操作，中间件处理请求等。 另外，安全性也是后端开发的重要部分，应该提到常见的措施，如身份验证、授权、数据加密，以及Python框架中提供的安全机制。性能优化可能也是一个关注点，可以谈谈异步处理、缓存策略等。 用户可能还想了解实际的应用案例，比如Web应用、微服务、数据处理平台等，用Python实现的例子，这能帮助他们更好地理解其应用场景。最后，提供一些学习资源或最佳实践，帮助用户进一步学习和实践。 需要确保语言通俗易懂，避免过于专业的术语，或者至少解释清楚术语。同时，结构要清晰，分点说明，让用户容易跟进。可能还需要对比不同框架，帮助用户做出选择。例如，Django适合全功能的大型应用，而Flask更灵活轻量，适合小型项目或微服务。 还要注意用户可能的深层需求，比如他们是否在考虑技术选型，或者正在计划一个项目，需要评估Python是否适合。因此，除了介绍技术点外，还要提到Python在后端开发中的生态和社区支持，这能增强用户的信心。 最后，确保回答全面但不过于冗长，重点突出Python的优势和实际应用，让用户有一个明确的方向去进一步学习或开发。</think>使用 Python 编写系统后端是一种高效且灵活的选择，尤其适合快速开发、高可维护性及扩展性强的项目。以下是关键知识点和常见技术栈的介绍： --- ### **一、Python 后端的优势** 1. **简洁语法**：代码易读易维护，开发效率高。 2. **丰富生态**：成熟的框架和库（如 Django、Flask、FastAPI）。 3. **跨平台**：支持 Linux/Windows/macOS 部署。 4. **异步支持**：通过 `asyncio` 或框架（如 FastAPI）实现高性能并发。 5. **社区活跃**：开源工具多，文档和解决方案丰富。 --- ### **二、核心框架与工具** #### 1. **主流框架** - **Django** - **全栈框架**：内置 ORM、Admin 后台、身份验证等。 - **适用场景**：复杂业务系统（如 CMS、电商后台）。 - **示例代码**： ```python # views.py from django.http import JsonResponse def hello(request): return JsonResponse({"message": "Hello Django!"}) ``` - **Flask** - **轻量灵活**：适合微服务或小型 API。 - **扩展性强**：通过插件（如 Flask-SQLAlchemy）按需添加功能。 - **示例代码**： ```python from flask import Flask app = Flask(__name__) @app.route("/") def hello(): return {"message": "Hello Flask!"} ``` - **FastAPI** - **高性能异步**：基于 ASGI，支持高并发（如实时数据处理）。 - **自动文档**：通过 OpenAPI 生成交互式 API 文档。 - **示例代码**： ```python from fastapi import FastAPI app = FastAPI() @app.get("/") async def hello(): return {"message": "Hello FastAPI!"} ``` #### 2. **数据库交互** - **ORM 工具** - Django ORM（内置）、SQLAlchemy（通用）、Peewee（轻量）。 - **示例（SQLAlchemy）**： ```python from sqlalchemy import create_engine, Column, Integer, String from sqlalchemy.orm import declarative_base Base = declarative_base() class User(Base): __tablename__ = 'users' id = Column(Integer, primary_key=True) name = Column(String) ``` - **数据库迁移** - 使用 Alembic（搭配 SQLAlchemy）或 Django 内置迁移工具。 #### 3. **API 开发** - **RESTful 设计**：通过框架路由和视图函数定义端点。 - **数据验证**：使用 Pydantic（FastAPI 内置）或 Marshmallow（Flask 插件）。 - **身份验证**：JWT、OAuth2（如 `django-rest-framework-simplejwt`、`authlib`）。 --- ### **三、典型后端架构** ```plaintext 1. 客户端（Web/App） → 2. API 网关 → 3. Python 后端（业务逻辑） → 4. 数据库/缓存 ↘ 5. 消息队列（Celery/RabbitMQ） → 异步任务 ``` --- ### **四、部署与优化** 1. **服务器**：Nginx/Apache 反向代理，Gunicorn/uWSGI 作为应用服务器。 2. **容器化**：Docker + Kubernetes 实现集群部署。 3. **性能优化**： - 缓存：Redis/Memcached。 - 异步任务：Celery 处理耗时操作（如邮件发送）。 - CDN 和静态文件分离。 --- ### **五、应用场景** - **Web 应用**：社交平台、管理系统。 - **微服务**：拆分为独立服务（如用户服务、支付服务）。 - **数据平台**：结合 Pandas/NumPy 进行数据分析。 - **IoT 后台**：处理设备上报数据。 --- ### **六、学习资源** 1. 官方文档：Django、Flask、FastAPI。 2. 实战项目：从 Todo List 开始，逐步构建博客、电商系统。 3. 工具链：Postman（API 测试）、Swagger（文档生成）。 --- 通过 Python 开发系统后端，开发者可以快速实现从原型到生产的全流程，特别适合敏捷开发和中小型项目。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

筱白爱学习

你的鼓励将是我写作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值